通过主动机器学习来增强精密益生菌的配方

科学领域:

• 微生物学 微生物学
• 生物信息学是一种生物信息学.
• 药理学 药理学是指药理学的学科.

背景情况:

• 人的肠道微生物群在整体健康中起着至关重要的作用.
• 微生物失衡 (失生症) 与各种疾病有关.
• 益生菌干预的目的是恢复微生物平衡,但难以确保在胃肠道过境期间的生存.

研究的目的:

• 采用先进的主动机器学习 (ML) 方法来预测辅助剂对*Lactobacillus plantarum*生长的影响.
• 加强辅助剂的选择,以提高益生菌配方的稳定性和有效性.

主要方法:

• 在三轮代过程中利用一个活跃的ML策略来预测辅助剂对*Lactobacillus plantarum*生长的影响.
• 训练和评估了五种ML模型:神经网络,梯度增强,后勤回归,随机森林和支持向量机器.
• 对比连续模型优化与每次代重新训练新模型.

主要成果:

• 成功预测了116种辅助剂对益生菌生长的影响,达到接近90%的模型确定性水平.
• 与传统方法相比,主动ML方法显示出更高的预测稳定性和更低的不确定性传播.
• 验证的ML预测与补充的最先进的实验数据.

结论:

• 活跃ML是预测辅助剂-益生菌相互作用的强大工具.
• 这种方法可以显著提高选择益生菌配方辅料的准确性和效率.
• 这些发现支持开发更有效的精确益生菌疗法.